(Jurnal Ilmu Perikanan dan Sumberdaya Perairan)
KORELASI ASIAN MONSOON , EL NINO SOUTH OSCILATION DAN INDIAN OCEAN DIPOLE TERHADAP VARIABILITAS CURAH HUJAN DI PROPINSI LAMPUNG
Eko Efendi1 · Andri Purwandani2 ·
Ringkasan Perairan Asia Tenggara dan sekitarnya memiliki variabilitas laut-atmosfer yang besar akibat dari fluktuasi parameter oseanografi yang berasal dari perairan Sa-mudera Pasifik dan SaSa-mudera Hindia pa-da arah zonal pa-dan papa-da arah meridional berasal dari Laut Cina Selatan, perairan utara dan selatan Jawa dan perairan barat Australia. Fenomena yang dominan mem-pengaruhi variabilitas laut-atmosfer di wi-layah Asia Tenggara dan sekitarnya ada-lah Muson, Dipole Mode (DM) dan El Ni-no Southern Oscillation (ENSO) dengan siklus waktu dari musiman sampai antar tahunan. Penelitian sebelumnya yang dila-kukan lebih banyak mengkaji Muson, DM dan ENSO secara individu dari fenomena-nya itu sendiri, tidak secara komprehensif mengarah kepada kemungkinan adanya in-teraksi satu sama lain. Tujuan dari peneli-tian ini adalah mengkaji variabilitas laut-atmosfer dan proses dinamika interaksi an-tara Muson, DM dan ENSO secara simult-an terhadap curah hujsimult-an di Propinsi Lam-pung. Analisis data yang digunakan pada penelitian ini dengan pendekatan metode yang dapat mendekomposisi sinyal terse-but baik pada skala ruang maupun wak-tu dari hasil interaksi antara Muson, DM dan ENSO. Analisis yang digunakan
me-1) Budidaya Perairan Unila, Jl. Sumantri Brodjo-negoro No.1 Bandar Lampung 35145
E-mail: eko.efendi@fp.unila.ac.id
2)TPSA Badan Pengkajian dan Penerapan Tek-nologi, Jakarta
liputi transformasi wavelet kontinyu dan korelasi silang transformasi wavelet. Dari analisis transformasi wavelet kontinu, ko-herensi maupun transformasi silang dipe-roleh kesimpulan bahwa pola curah huj-an di wilayah lampung shuj-angat dipengaruhi oleh pengaruh musiman atau adanya ngaruh WNPMI dibandingkan dengan pe-ngaruh DMI dan SOI, akan tetapi arah fase yang berlawanan menunjukkan adanya po-la pergantian pengaruh yang terjadi. DMI berpengaruh pada periode 6 bulanan, se-dangakan SOI berpengaruh pada fase 12 bulanan
Keywords Asian Monsoon, Indian Dipole Mode, El Nino South Oscilation Indices, curah hujan.
PENDAHULUAN
Perairan Asia Tenggara dan sekitarnya me-miliki variabilitas laut-atmosfer yang besar akibat dari fluktuasi parameter oseanografi yang berasal dari perairan Samudera Pa-sifik dan Samudera Hindia pada arah zo-nal dan pada arah meridiozo-nal berasal da-ri Laut Cina Selatan, perairan utara dan selatan Jawa dan perairan barat Austra-lia [1]. Variabilitas ini juga berinteraksi de-ngan fluktuasi parameter iklim di atas da-ratan dan lautan yang akan menentukan
kondisi atmosfer di wilayah Indonesia. Fe-nomena yang dominan mempengaruhi va-riabilitas laut-atmosfer di wilayah Asia Teng-gara dan sekitarnya adalah Muson, Dipole Mode (DM) dan El Nino Southern Osci-llation (ENSO) dengan siklus waktu dari musiman sampai antar tahunan [2]; [1] dan [3]. Fenomena Muson, DM dan ENSO ba-ik secara langsung maupun tidak langsung sangat mempengaruhi aktifitas manusia di wilayah Indonesia.
Pengaruh faktor lokal dan regional kondisi laut-atmosfer di wilayah perairan Indone-sia dan sekitarnya belum tersentuh seutuh-nya sebagai bagian penting bahwa terda-pat dugaan kemungkinan pemicu terjadi-nya DM dan ENSO dengan pertimbangan bahwa perairan Indonesia dan sekitarnya merupakan simpul interaksi Muson, DM dan ENSO yang secara geografis berada di an-tara dua samudera, Hindia dan Pasifik de-ngan fenomenanya DM dan ENSO serta di antara dua benua, Asia dan Australia de-ngan sistem Musonnya [4];[5]; [6]; [7]; [8] dan [9]. Kapabilitas untuk memprediksi Mu-son, DM dan ENSO sangat bermanfaat un-tuk perencanaan aktifitas manusia dan mem-bantu dalam upaya mitigasi bencana meli-puti badai, gelombang besar, banjir, tanah longsor dan kekeringan yang ditimbulkan-nya. Pada penelitian ini, akan difokuskan untuk mengungkap jawaban dari pertanyaan-pertanyaan tersebut di atas.
MATERI DAN METODE
Data
Data yang digunakan pada penelitian ini meliputi data laut dan atmosfer yaitu da-ta asimilasi GFDL dengan parameter su-hu dan kedalaman lapisan tercampur, data indikator laut-atmosfer yaitu indeks Mu-son, DMI dan SOI untuk memantau ak-tifitas Muson, DM dan ENSO, data buoy TRITON (untuk selanjutnya disebut TRI-TON) dan ARGO float (untuk selanjut-nya disebut ARGO) yang digunakan untuk validasi data asimilasi GFDL, data Earth System Research Laboratory NOAA (ESRL NOAA) meliputi parameter angin, suhu
uda-ra, tekanan udauda-ra, OLR, curah hujan, pre-sipitasi (precipitation/P), evaporasi (eva-poration/E), fluks bahang secara konduksi (sensible heat/QS), bahang melalui evapo-rasi (latent heat/QL) dan kelembapan uda-ra (relative humidity/RH). Data Indikator laut-atmosfer yang digunakan pada penel-tian ini meliputi indeks Muson, DMI dan SOI. Indeks Muson (Monsoon Index/MSI) bersumber Asia-Pacific Data-Research Cen-ter (ADPRC) sebagai suatu institusi pe-nelitian internasional yang salah satunya bertugas untuk memantau aktifitas daerah Muson di dunia. Indeks Muson yang di-pantau oleh institusi ini meliputi Indian Monsoon Index (IMI), Western North Pa-cific Monsoon Index (WNPMI), Webster-Yang Monsoon Index (WYI) dan Austra-lian Monsoon Index (AUSMI). Pada pe-nelitian ini data indeks Muson yang digu-nakan adalah WNPMI karena cakupan wi-layah pada penelitian ini merupakan zona Muson dari WNPM dan sesuai dengan da-erah Muson yang dipengaruhi oleh regim Muson dari Southeast Asia Monsoon dan Western North Pacific Monsoon [2]. Un-tuk selanjutnya pada penelitian ini WN-PMI akan disebut MSI. WNWN-PMI dihitung dengan persamaan sebagai berikut:
W N P M I = U 850(C) − U 850(D) (1)
dimana U850(C) dan U850(D) adalah rata-rata anomali kecepatan angin zonal di ke-tinggian pada tekanan atmosfer 850 mb di petak C (100°BT-130°BT, 5°LU- 15°LU) dan petak D pada koordinat 110°BT-140°BT dan 20°LU-30°LU.
Data DMI yang tersedia di OOPC ini dihi-tung metode dari hasil penelitian [10] de-ngan persamaan sebagai berikut:
DM I = W T IO(H) − SET IO(I) (2)
dimana WTIO(H) dan SETIO(I) adalah rata-rata anomali SPL di sebelah barat eku-atorial Samudera Hindia pada petak H (50°BT-70°BT, 10°LS-10°LU) dan petak I (90°BT-110°BT, 10°LS-ekuator) di sebelah tengga-ra Samudetengga-ra Pasifik.
Data SOI yang digunakan berasal dari Bu-reau of Meteorology(BOM) Australia yang dihitung dengan persamaan sebagai beri-kut:
SOI = pT HT −pDRW
σ (3)
dimana p(THT) dan p(DRW) adalah ano-mali tekanan udara permukaan di Tahiti dan Darwin yang telah distandarisasikan dan σ adalah simpangan baku dari selisih antara p(THT) dan p(DRW). Data MSI, DMI dan SOI yang digunakan pada pene-litian ini dengan interval waktu bulanan antara tahun 1979-2007 dan akan ditapis pada sinyal frekuensi rendah sebesar 1/2 siklus per tahun.
Analisis Data
Analisis transformasi wavelet bertujuan me-lokalisasi perubahan waktu (∆t) dan fre-kuensi (∆ω) dari data deret waktu keda-lam fungsi frekuensi terhadap waktu, se-hingga dapat diketahui perubahan waktu dan frekuensi secara bersamaan [11]. Sa-lah satu fungsi wavelet yang sering digu-nakan adalah fungsi transformasi Morlet atau biasa disebut continuous wavelet tran-sform(transformasi wavelet kontinyu atau CWT), dengan persamaannya adalah se-bagai berikut:
ψ0(η) = π1/4eiω0ηe−1/2η2
(4) dimana ω0adalah frekuensi tanpa unit dan η adalah waktu tanpa unit.
Distribusi energi korelasi silang transfor-masi wavelet dengan background power spe-ctral dan dan selang kepercayaan Zv(p)
pa-da probabilitas p, dihitung dengan persa-maan sebagai berikut [11]:
D(| W x n(S)Wny∗(S) | σXσY < p) = Zν ν q Px kP y k(5)
dengan rata-rata sudut beda fase am dari ai, i=1 . . . n, dengan persamaan sebagai berikut: am = arg(x, Y ) (6) dimana, X = n X i=1 cos ai (7) dan Y = n X i=1 sin ai (8)
dengan simpangan baku,
S = r
−2lnR
n (9)
dimana R = p(X2+ Y2). Beda fase
anta-ra siklus koefisien ekspansi EOF data SPL dengan MSI, DMI dan SOI menunjukkan siklus sinyal mana yang lebih dahulu, ber-samaan atau berlawanan.
Basis data pada penelitian ini dikelola da-lam satu perangkat lunak Ocean Data Vi-ew versi 4. Pada penelitian ini dalam mela-kukan tahapan pengolahan data, pembuat-an basis data dpembuat-an pembuat-analisis data menggunak-an beberapa bahasa pemogrammenggunak-an dmenggunak-an per-angkat lunak. Bahasa pemograman yang digunakan adalah Matlab R2010b.
HASIL DAN PEMBAHASAN
Dari data curah hujan di Propinsi Lam-pung, dimana curah hujan tinggi pada awal dan akhir tahun, munjukkan kaitan yang kuat dengan aktivitas monsoon asia. Da-ri data curah hujan untuk musim hujan yang dihitung dengan menjumlahkan cu-rah hujan september sampai dengan ma-ret, selanjutnya dibandingkan dengan IO-DM dan ENSO. Disini hujan yang terja-di tidak berpengaruh oleh IODM dan EN-SO, namun analisis dengan menggunakan CWT dan WTC dan XWT menunjukan adanya pengaruh yang kuat dari IODM dan ENSO terutama pada periode 1980-2000. Pada awal ditemukan fenomena El Nino, diketahui bahwa fenomena tersebut hanya berdampak di Samudera Pasifik saja. [12]
adalah orang yang pertama mengemukak-an mekmengemukak-anisme kerja El Nino dmengemukak-an kaitmengemukak-annya dengan Southern Oscillation yang dikemu-kakan oleh Walker. Oleh karena itu, feno-mena tersebut lebih dikenal dengan sebut-an El Nino Southern Oscillation (ENSO). Sementara spektrum daya transformasi fo-urier memperlihatkan hasil yang identik di-semua daerah pengamatan yaitu dominan-nya perioditas 12 bulanan (1 tahunan) yang dapat diartikan sebagai pengaruh monso-on, diikuti oleh perioditas 6 bulanan yaitu pengaruh pergerakan semu matahari (Inter Tropical Convergence Zone, ITZC). Untuk melihat hubungan antara monsoon asia de-ngan curah hujan digunakan CWT dan WTC serta XWT antara masing masing WNPMI, SOI, DMI dan curah hujan. Analisisi ter-hadap curah hujan pada musim hujan. Hasil analisis CWT (Gambar 1) antara cu-rah hujan dengan memperlihatkan bahwa siklus koefisien ekspansi memiliki fase se-arah dengan WNPMI dengan energi sebe-sar 8 (energi) dan memperkuat bahwa pola terbentuk dari akitifitas siklus Muson, se-dangkan hasil CWT antara curah hujan de-ngan DMI dan SOI hanya didapati energi tidak lebih dari 8 (energi). Meskipun ter-dapat nilai energi yang masuk pada selang kepercayaan lebih 95% pada siklus dengan periode satu tahunan tetapi beda fasenya tidak menunjukkan pola yang teratur, se-hingga hubungan diantara keduanya hanya berupa pergeseran fase sesaat siklus WN-PMI terhadap siklus DMI dan SOI. Ketidakseimbangan kandungan bahang di darat, laut dan atmosfer berperan besar dalam mengatur pola sirkulasi atmosfer dan kondisi iklim di suatu wilayah. Salah sa-tu parameter unsa-tuk melihat pengaruh ke-tidakseimbangan bahang terhadap variabi-litas iklim adalah anomali dari selisih anta-ra presipitasi dengan evapoanta-rasi (P–E) yang menunjukan anomali laju kandungan air bersih yang keluar atau masuk ke lautan dan daratan. Presipitasi (P) memperlihatk-an bmemperlihatk-anyaknya kmemperlihatk-andungmemperlihatk-an air terhadap wak-tu yang masuk ke lautan dan daratan, se-dangkan evaporasi (E) memperlihatkan ba-nyaknya kandungan air terhadap waktu yang
Gambar 1 Continous Wavelet Transform (CWT) antara curah hujan dan Indian Ocean Dipole (a) Indian Monsoon (b) dan El Nino South Oscilation Indices (c).
dilepaskan ke atmosfer dari lautan dan da-ratan, sehingga P–E menunjukkan banyak-nya kandungan air bersih yang keluar atau masuk ke lautan dan daratan. Berbeda hal-nya dengan nilai positif atau negatif kan-dungan bahang di lautan dan daratan, di-mana di lautan dan daratan dianggap se-bagai sistem sehingga nilai QS+Q positif artinya bahwa kandungan bahang berada di dalam sistem yaitu lautan dan darat-an, sedangkan untuk parameter P dan E keduanya dianggap sebagai parameter da-ri sistem di atmosfer sehingga nilai kedu-anya selalu positif. Oleh karena itu, un-tuk mengetahui seberapa banyak kandung-an air bersih ykandung-ang masuk ke sistem laut-an dlaut-an daratlaut-an perlu dihitung selisih laut- anta-ra kandungan air yang masuk (P) dengan kandungan air yang keluar (E), sehingga nilai P–E positif memiliki arti kandung-an air lebih bkandung-anyak ykandung-ang masuk ke lautkandung-an dan daratan, sedangkan P–E bernilai nega-tif berarti kandungan air lebih banyak ber-ada di atmosfer dengan nilai P lebih kecil dari E. Pergerakan simpul Sirkulasi Wal-ker dan Hadley ke arah zonal maupun me-ridional mengikuti pula fluktuasi kandung-an bahkandung-ang ykandung-ang terkumpul di atas
wila-Gambar 2 Wavelet Coherence Transform (WTC) antara curah hujan dan Indian Ocean Dipole (a) Indian Monsoon (b) dan El Nino South Oscilation Indices (c).
yah Indonesia akibat dari variabilitas laut yang besar, dimana perubahan kekuatan dari Sirkulasi Walker dan Hadley ini kem-bali lagi mempengaruhi dinamika di per-airan Asia Tenggara dan sekitarnya [2]. Hasil analisis WTC (Gambar 2) antara cu-rah hujan dengan memperlihatkan bahwa adanya koherensi yang lebih besar antara curah hujan dengan SOI dan DMI, semen-tara koherensi dengan monsoon menunjukk-an nilai ymenunjukk-ang lebih kecil, hal ini menun-jukkan bahwa siklus musiman juga dipe-ngaruhi kuat oleh adanya sinyal dari DMI dan SOI. Arah fase antara monsoon dan DMI serta SOI menunnjukkan arah yang sebaliknya hal ini menunjukkan adanya per-gantian siklus yang mempengaruhi pola cu-rah hujan yang terjadi.
Hasil analisis XWT (Gambar 3 ) antara cu-rah hujan dengan monsoon dan SOI mem-perlihatkan adanya periode pengaruh yang sama yaitu periode 1 tahunan atau periode 12 bulanan, sementara pengaruh DMI me-nunjukan periode kuat pada periode 6 bu-lanan. Hal ini menunnjukan bahwa penga-ruh musim sangat kuat dipengapenga-ruhi oleh si-nyal SOI dalam jangaka waktu 12 bulanan, sehingga yang terjadi adalah adanya curah hujan yang tinggi pada awal dan akhir ta-hun. Sinyal DMI yang terjadi pada periode 6 bulanan menunjukan adanya pola curah hujan pada musim musim peralihan. Fe-nomena dengan siklus dibawah musiman seperti Madden-Julian Oscillation (MJO)
Gambar 3 Cross Wavelet Transform (XWT) an-tara curah hujan dan Indian Ocean Dipole (a) In-dian Monsoon (b) dan El Nino South Oscilation Indices (c).
lebih berperan mempengaruhi variabilitas cuaca dalam skala lokal dan siklus diatas antar tahunan seperti Pacific Decadal Osci-llation (PDO) lebih berperan sebagai in-dikator fase hangat dan dingin dari peru-bahan iklim global yang berkaitan dengan pemanasan global (global warming) dalam skala dunia [13];[14].
SIMPULAN
Dari analisis transformasi wavelet kontinu, koherensi maupun transformasi silang di-peroleh kesimpulan bahwa pola curah huj-an di wilayah lampung shuj-angat dipengaruhi oleh pengaruh musiman atau adanya ngaruh WNPMI dibandingkan dengan pe-ngaruh DMI dan SOI, akan tetapi arah fase yang berlawanan menunjukkan adanya po-la pergantian pengaruh yang terjadi. DMI berpengaruh pada periode 6 bulanan, se-dangakan SOI berpengaruh pada fase 12 bulanan.
Pustaka
1. Luo JJ et al. 2010. Interaction between El Ni-no and Extreme Indian Ocean Dipole. J Cli-mate 23:726-742.
2. Chang CP. 2005. The maritime continent monsoon. Di dalam: The global monsoon sys-tem: research and forecast. Chang CP, Wang B, Lau NCG, editor. Report of the Interna-tional Committee of the Third InternaInterna-tional
Workshop on Monsoons (IWM-III). TD No. 1266. WMO. Geneva. hlm 156- 178.
3. Annamalai H, Kida S, Hafner J. 2010. Po-tential Impact of the Tropical Indian Oce-an–Indonesian Seas on El Nino Characteris-tics. J Climate 23:3933- 3952.
4. Vranes K, Gordon AL, Ffield A. 2002. The heat transport of the Indonesian Throughflow and implications for the Indian Ocean heatbu-dget. J Deep-Sea Res Part II, Topical Studies in Oceanogr 49:1391-1413.
5. Neale R, Slingo J. 2003. The Maritime Con-tinent and Its Role in the Global Climate: A GCM Study. J Climate 16:834-849.
6. McBride JL, Malcolm RH, Neville N. 2003. Relationships between the Maritime Conti-nent Heat Source and the El Niño-Southern Oscillation Phenomenon. J Climate 16:2905-2914.
7. Jochum M, Potemra J. 2008. Sensitivity of Tropical Rainfall to Banda Sea Diffusivity in the Community Climate System Model. J Cli-mate 21:6445- 6454.
8. Koch LA, Lengaigne M, Terray P, Madec G, Masson S. 2010. Tidal mixing in the Indone-sian Seas and its effect on the tropical climate system. Climate Dynamics 34:891-904. 9. Brierley CM, Fedorov A. 2011. Tidal mixing
around Indonesia and the Maritime continent: implications for paleoclimate simulations. Ge-ophys Res Lett. in press.
10. Saji NH, Goswami BN, Vinayachandran PN, Yamagata T. 1999. A dipole mode in the tro-pical Indian Ocean. Nature 401:360-363. 11. Torrence C, Compo GP. 1998. A practical
gu-ide to wavelet analysis. Bull Am Meteorol Soc 79:61-78.
12. Bjerknes J. 1969. Atmospheric teleconnections from the equatorial Pacific. Monthly Weather Rev 97:163-172.
13. Waliser D et al. 2006. The experimental MJO prediction project. Bull Am Meteorol Soc 87:425-431.
14. Yoon J, Yeh SW. 2010. Influence of the Paci-fic Decadal Oscillation on the Relationship be-tween El Nino and the Northeast Asian Sum-mer Monsoon. J Climate 23:4525-4537.
